基于GA-PSO優(yōu)化支持向量機的漏洞分類器.pdf

1、信息網(wǎng)絡和計算機已經(jīng)成為人們生活、學習和工作中必不可少的一部分,在帶來便利的同時也伴隨有大量重大網(wǎng)絡安全事件的頻現(xiàn)。而且大部分的網(wǎng)絡安全事件均是由黑客利用漏洞進行非法攻擊所引起的?？梢?漏洞是網(wǎng)絡安全事件的罪魁禍首。近些年來,漏洞的研究已成為計算機與網(wǎng)絡安全中的一個熱門話題。不少研究表明,多數(shù)漏洞在某些方面有相同之處。但是隨著漏洞的數(shù)量和類型不斷增加,因此,怎么合理地、有效地對漏洞進行分類就顯得十分重要。
　　支持向量機(SVM)

2、是一種以統(tǒng)計學習理論為基礎可以解決分類問題的監(jiān)督式學習方法,適用于小樣本、非線性及高維模式識別等方面。但該方法在解決大樣本數(shù)據(jù)集時存在耗時較長且易陷入局部最小值的缺陷。為了彌補SVM這方面的不足,于是本文引入了遺傳算法、粒子群算法兩種算法。因此,本文通過對漏洞、支持向量機和遺傳算法、粒子群算法的研究,給出了三種新的基于支持向量機的網(wǎng)絡漏洞分類方法。
　　本文首先介紹了漏洞的一些相關理論概念,支持向量機、遺傳算法和粒子群算法的基礎理

3、論知識。其次,總結了目前基于支持向量機的常用分類方法及其優(yōu)缺點,遺傳算法和粒子群算法各自的優(yōu)缺點和結合方式。然后為了提高漏洞分類的精確度,需要對傳統(tǒng)的支持向量機進行改進。本文提出了三種方法去優(yōu)化支持向量機:遺傳算法、粒子群算法、遺傳算法嵌入到粒子群算法。于是就提出了基于GA優(yōu)化支持向量機的漏洞分類器、基于 PSO優(yōu)化支持向量機的漏洞分類器和基于 GA-PSO優(yōu)化支持向量機的漏洞分類器。最后,建立一個小型的漏洞庫,并對其做分類實驗。實驗結